Baixe o app para aproveitar ainda mais
Prévia do material em texto
Anotac¸o˜es sobre matrizes e sistemas lineares Rodrigo Carlos Silva de Lima ‡ rodrigo.uff.math@gmail.com ‡ 1 Suma´rio 1 Matrizes e sistemas lineares 3 1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Alguma Matrizes especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.3 Multiplicac¸a˜o de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.1 Matriz transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.4 Matriz adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.5 Inversas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.5.1 Matrizes nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.6 Exponencial de matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2 Capı´tulo 1 Matrizes e sistemas lineares Iremos a princı´pio considerar sempre elementos em um corpo K . m Definic¸a˜o 1 (Equac¸a˜o linear). Dados (ak)n1 a` equac¸a˜o n∑ k=1 akxk = b onde cada xk sa˜o varia´veis e´ chamada de equac¸a˜o linear sobre K nas inco´gnitas (xk) n 1 . m Definic¸a˜o 2 (Soluc¸a˜o de equac¸a˜o Linear). Uma soluc¸a˜o de uma equac¸a˜o linear n∑ k=1 akxk = b e´ uma sequeˆncia (bk)n1 de nu´meros tais que n∑ k=1 akbk = b m Definic¸a˜o 3 (Sistema linear). Um sistema linear de m equac¸o˜es lineares com 3 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 4 n inco´gnitas e´ um conjunto de m equac¸o˜es lineares cada uma com n inco´gnitas S = { n∑ k=1 a(k,s)xk = bs, s ∈ Im}. m Definic¸a˜o 4 (Soluc¸a˜o de um sistema). A soluc¸a˜o de um sistema S = { n∑ k=1 a(s,k)xk = bs, s ∈ Im} e´ uma n-upla (sk)n1 , tal que vale n∑ k=1 a(s,k)sk = bs para todo s. m Definic¸a˜o 5 (Sistema homogeˆneo). Um sistema S = { n∑ k=1 a(s,k)xk = bs, s ∈ Im} e´ homogeˆneo quando bs = 0 para todo s. S = { n∑ k=1 a(s,k)xk = 0, s ∈ Im} $ Corola´rio 1. Todo sistema homogeˆneo possui soluc¸a˜o (0)n1 , pois n∑ k=1 a(s,k)0 = 0 para qualquer s. m Definic¸a˜o 6 (Soluc¸a˜o trivial). A soluc¸a˜o (0)n1 do sistema homogeˆneo S = { n∑ k=1 a(s,k)xk = 0, s ∈ Im} e´ chamada de soluc¸a˜o trivial. Usaremos S para simbolizar um sistema linear. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 5 m Definic¸a˜o 7 (Sistema impossı´vel). Um sistema linear S e´ impossı´vel se S na˜o possui soluc¸a˜o. m Definic¸a˜o 8 (Sistema possı´vel determinado). Um sistema linear S e´ possı´vel determinado se S possui uma u´nica soluc¸a˜o. m Definic¸a˜o 9 (Sistema possı´vel indeterminado). Um sistema linear S e´ possı´vel indeterminado se S possui mais de uma soluc¸a˜o. m Definic¸a˜o 10 (Combinac¸a˜o linear de sistemas). 1.1 Matrizes m Definic¸a˜o 11 (Matriz m por n.). Uma matriz A, m por n com coeficientes em K e´ uma tabela com m linhas e n colunas compostas de m linhas de n-uplas (a(i,j)) n j=1 de elementos de K onde i simboliza o ı´ndice da linha. Denotamos a matriz definida acima como A = (a(i,j)) e o conjunto de todas as matrizes com coeficientes em K com m linhas e n colunas por Mm×n(K). Os elementos a(i,j) sa˜o chamados de coeficientes ou entradas da matriz A. Se a matriz tivesse coeficientes complexos denotarı´amos como Mm×n(C). Podemos denotar a matriz A como CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 6 a1 1 a1 2 · · · a1 n a2 1 a2 2 · · · a2 n ... ... ... ... am 1 am 2 · · · am n A k-e´sima linha da matriz A e´ a n-upla (akj)nj=1 (fixe a linha k e deixe j variar) a p-e´sima coluna da matriz A e´ (aip)mi=1 (fixe a coluna p e deixe i variar). m Definic¸a˜o 12 (Igualdade de matrizes). Dadas duas matrizes A = (aij) ∈ Mm×n(R) e B = (bij) ∈ Nr×s(K). Dizemos que A e B sa˜o iguais quando m = r, n = s e aij = bij para todo i ∈ Im e j ∈ In sendo satisfeitas m.n igualdades. m Definic¸a˜o 13. Definimos M(m×n) como o conjunto de todas matrizes m×n com entradas em K. Para as pro´ximas definic¸o˜es iremos considerar matrizes em M(m× n). m Definic¸a˜o 14 (Adic¸a˜o de matrizes). Dadas A = (ai,j), B = (bi,j) matrizes arbitra´rias em M(m × n)(K), definimos a soma das matrizes A e B como uma matriz C = (ci,j) em M(m× n)(K) tal que ci,j = ai,j + bi,j. m Definic¸a˜o 15 (Produto por escalar). Definimos o produto de uma matriz A arbitra´ria por um elemento c ∈ K qualquer, como a matriz B = (bi,j) em M(m×n) tal que bi,j = c.ai,j e denotamos B = cA. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 7 b Propriedade 1. O conjunto M(m × n) munido do produto por escalar e adic¸a˜o definidas acima e´ um espac¸o vetorial. ê Demonstrac¸a˜o. • A adic¸a˜o e´ comutativa A+ B = B+A pois (ai,j + bi,j) = (bi,j + ai,j). • A adic¸a˜o e´ associativa (A + B) + C = A + (B + C) pois ((ai,j + bi,j) + ci,j) = ((ai,j + (bi,j) + ci,j)). • Existe elemento neutro para adic¸a˜o que e´ a matriz nula 0 = (ai,j) onde ai,j = 0 independente dos ı´ndices. B+ 0 = (ai,j + bi,j) = (0+ bi,j) = (bi,j) = B. • Dada A = (ai,j) existe um elemento sime´trico −A = (−ai,j), cuja soma resulta na matriz nula A+ (−A) = (ai,j − ai,j) = (0). • Agora vejamos as propriedades da multiplicac¸a˜o . Vale que 1A = A pois 1A = (1.ai,j) = (ai,j) = A. • Distributividade do produto por escalar c(A+ B) = (cai,j + cbi,j) = (cai,j) + (cbi,j) = cA+ cB. • (c+ t)A = (cai,j + tai,j) = (cai,j) + (tai,j) = cA+ tA • Associatividade (c.t)(A) = (c(tai,j)) = c(tA). Portanto M(m× n)(K) e´ espac¸o vetorial. $ Corola´rio 2. (M(m× n)(K),+) e´ grupo abeliano. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 8 1.2 Alguma Matrizes especiais m Definic¸a˜o 16 (Matriz linha). E´ toda matriz do tipo 1 × n, matriz que tem apenas uma linha. A = (a1,1 a1,2 · · ·a1,n) m Definic¸a˜o 17 (Matriz coluna). E´ toda matriz do tipo n×1, isto e´, toda matriz que possui apenas uma coluna. a1,1 ... an,1 m Definic¸a˜o 18 (Matriz nula). E´ toda matriz que possui todos seus elementos iguais a zero. 0 · · · 0 ... · · · ... 0 · · · 0 m Definic¸a˜o 19 (Matriz quadrada de ordem n). E´ toda matriz n × n, matriz que possui nu´mero de linhas iguais ao nu´mero de colunas. a1,1 · · · a1,n · · · ... · · · an,1 · · · an,n . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 9 m Definic¸a˜o 20 (Diagonal principal). Chama-se diagonal principal Dp(A) de uma matriz quadrada A de ordem n o conjunto de elementos que teˆm os ı´ndices iguais Dp(A) = {aij ∈ A|i = j}. m Definic¸a˜o 21 (Diagonal secunda´ria). Chama-se diagonal secunda´ria Ds de uma matriz quadrada A de ordem n o conjunto de elementos que teˆm soma dos ı´ndices igual a n+ 1 Ds(A) = {aij ∈ A|i+ j = n+ 1}. m Definic¸a˜o 22 (Matriz diagonal). E´ toda matriz quadrada em que os elementos que na˜o pertencem a` diagonal principal sa˜o iguais a zero. a1,1 0 · · ·0 0 ... · · · ... 0 0 · · ·0 an,n m Definic¸a˜o 23 (Matriz identidade de ordem n). E´ a matriz diagonal de ordem n em que todos elementos da diagonal sa˜o iguais a 1. Simbolizaremos essa matriz como I. 1 0 · · ·0 0 ... · · · ... 0 0 · · ·0 1 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 10 Z Exemplo 1. A matriz identidade 3× 3 e´ 1 0 0 0 1 0 0 0 1 . m Definic¸a˜o 24 (Matriz triangular superior). E´ toda matriz quadrada com aij = 0 para todo i > j, todo elemento abaixo da diagonal principal e´ nulo. a1,1 a1,2 · · · a1,n 0 a2,2 · · · a2,n ... · · · · · · ... 0 0 · · · an,n . Z Exemplo 2. As matrizes triangulares superiores 3× 3 sa˜o da forma a1,1 a1,2 a1,3 0 a2,2 a2,3 0 0 a3,3 . m Definic¸a˜o 25 (Matriz triangular inferior). E´ toda matriz quadrada com aij = 0 para todo i < j, todo elemento acima da diagonal principal e´ nulo. a1,1 0 · · · 0 a2,1a2,2 · · · 0 ... · · · · · · ... an,1 an,2 · · · an,n . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 11 Z Exemplo 3. As matrizes triangulares inferiores 3× 3 sa˜o da forma a1,1 0 0 a2,1 a2,2 0 a3,1 a3,2 a3,3 . Z Exemplo 4. A matriz identidade e´ uma matriz triangular superior e inferior. 1.3 Multiplicac¸a˜o de matrizes m Definic¸a˜o 26 (Multiplicac¸a˜o de matrizes). Dadas duas matrizes A ∈Mm×n(K) e B ∈ Mn×p(K), definimos o produto das duas matrizes por uma matriz C ∈ Mm×p(K) com ci,j = n∑ k=1 ai,kbk,j. Podemos tentar memorizar a fo´rmula do elemento da matriz produto tentando lembrar que ci,j o primeiro ı´ndice em ai,k e´ o ı´ndice i o segundo ı´ndice e´ k ,varia´vel no somato´rio, o primeiro ı´ndice de bk,j e´ k (igual ao segundo ı´ndice em ai,k ), o segundo ı´ndice em bk,j e´ o segundo ı´ndice em ci,j, j . b Propriedade 2. Seja A ∈ Mn×n(K) e I a identidade de ordem n enta˜o AI = IA = A. ê Demonstrac¸a˜o. AI = C com ci,j = n∑ k=1 ai,kbk,j = ai,j. IA = C ′ com ci,j = n∑ k=1 bi,kak,j = ai,j. Enta˜o C = C ′ = A. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 12 b Propriedade 3. Sejam B = (bi,j), C = (ci,j) ∈Mn, (ek)n1 base canoˆnica de Rn. Vale que B(ej) = Bj onde Bj e´ a j-e´sima coluna de B, tomando ej como matriz n× 1. ê Demonstrac¸a˜o. O produto e´ uma matriz L = (li,j) ∈Mn×1, cujo termo e´ dado por li,1 = n∑ k=1 bi,kek,1 onde apenas ej,1 = 1 e outras entradas sa˜o nulas de ej, por isso li,1 = bi,j. Daı´ temos que o resultado e´ Bj a j-e´sima coluna da matriz B . 1.3.1 Matriz transposta m Definic¸a˜o 27. Se A = [ai,j] e´ uma matriz n ×m, enta˜o AT e´ uma matriz m× n com AT = [aj,i], trocamos os elementos das linhas pelas colunas. b Propriedade 4. Se A = [ai,j] e´ uma matriz n×m, enta˜o (AT)T = A. ê Demonstrac¸a˜o. AT e´ uma matriz m × n com AT = [a ′i,j] = [aj,i] a transposta dessa matriz e´ (AT)T com entradas [a ′′i,j] = [ai,j] sendo de dimenso˜es n × m enta˜o (AT)T = A por terem mesmos elementos e dimenso˜es. b Propriedade 5. Sejam A = [ai,j] , B = [bi,j] matrizes n×m, enta˜o (A+ B)T = AT + BT . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 13 ê Demonstrac¸a˜o. (A+B)T e´ uma matriz m×n com entrada [aj,i+bj,i]. AT = [aj,i] , BT = [bj,i], ambas de dimensa˜o m × n logo sua soma possui entrada [aj,i + bj,i] de dimensa˜o m× n logo (A+ B)T = AT + BT . b Propriedade 6. Se A = [ai,j] e´ uma matriz n×m, enta˜o (cA)T = c(AT) ê Demonstrac¸a˜o. cA = [cai,j] cuja transposta e´ (cA)T = [caj,i] = c[aj,i] = cAT . b Propriedade 7. Se A e´ quadrada det(AT) = det(A). ê Demonstrac¸a˜o. b Propriedade 8. Se C = AB enta˜o CT = BTAT , sendo A n×m, B m× p. ê Demonstrac¸a˜o. Temos que C = AB com C = (ci,j) matriz n× p ci,j = n∑ k=1 ai,kbk,j. Logo sua transposta CT = (AB)T e´ p× n tem elementos cj,i cj,i = n∑ k=1 aj,kbk,i. Agora vamos calcular BTAT , BT e´ p×m, AT e´ m×n logo BTAT e´ p×n . Os elementos de BT sa˜o da forma (bj,i) = (b ′i,j) e de AT sa˜o da forma (aj,i) = (a ′i,j), BTAT = D di,j = n∑ k=1 b ′i,ka ′ k,j = n∑ k=1 bk,iaj,k logo di,j = cj,i e tem as mesmas dimenso˜es, enta˜o (AB)T = BTAT . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 14 b Propriedade 9. Vale que (A1 · · ·An)T = ATn · · ·AT1 . ê Demonstrac¸a˜o. Provamos por induc¸a˜o sobre n, para n = 1, 2 ja´ sabemos que vale, supondo para n vamos provar para n+ 1 ([A1 · · ·An]An+1)T = ATn+1[A1 · · ·An]T = ATn+1ATn · · ·AT1 como querı´amos demonstrar. $ Corola´rio 3. Para n natural vale que (An)T = (AT)n basta fazer Ak = A ∀ k em (A1 · · ·An)T = ATn · · ·AT1 (An)T = (A · · ·A︸ ︷︷ ︸ An )T = AT · · ·AT = (AT)n. Poteˆncia e transposic¸a˜o comutam . b Propriedade 10. Se A e B sa˜o matrizes de ordem n que comutam enta˜o AT e BT comutam. ê Demonstrac¸a˜o. Temos que (AB)T = BTAT de outro lado (AB)T = (BA)T = ATBT disso concluı´mos que ATBT = BTAT . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 15 b Propriedade 11. Se A e´ uma matriz diagonal de ordem n enta˜o AT = A. ê Demonstrac¸a˜o. Os elementos da diagonal na˜o sa˜o alterados pela transposic¸a˜o. $ Corola´rio 4. It = I, pois I a identidade de ordem n e´ diagonal . b Propriedade 12. Se A e´ invertı´vel de ordem n, enta˜o (A−1)T = (AT)−1. ê Demonstrac¸a˜o. Temos que AA−1 = I, aplicando a transposta de ambos lados segue que (A−1)TAT = I logo a inversa de AT e´ (A−1)T , isto e´, (AT)−1 = (A−1)T . 1.4 Matriz adjunta 1.5 Inversas ( a b c d )( d −b −c a ) 1 ad− cb = ( 1 0 0 1 ) . b Propriedade 13. Dadas duas matrizes A,B, n × n temos que I − AB e´ invertı´vel ⇔ I− BA e´ invertı´vel. ê Demonstrac¸a˜o. Vamos mostrar que (I− BA)−1 = I+ B(I−AB)−1A, que vale pois (I− BA)(I+ B(I−AB)−1A) = I+ B(I−AB)−1A− BAB(I−AB)−1A− BA = colocando B em evideˆncia a` esquerda e A a` direita temos = I+ B[(I−AB)−1 −AB(I−AB)−1 − I]A = I+ B[(I−AB)−1(I−AB) − I]A = I. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 16 Z Exemplo 5. Se A e B sa˜o matrizes invertı´veis, determine X tal que X = B+ (I− BA)X. X = B+ (I− BA)X⇔ X− (I− BA)X = B⇔ (I− I+ BA)X = B = BAX como BAX = B enta˜o AX = I e X = A−1. m Definic¸a˜o 28 (Matriz sime´trica ). Uma matriz An×n e´ dita sime´trica se a(i,j) = a(j,i) ∀ i, j, isto e´, vale A = AT . Z Exemplo 6 (Matrizes sime´tricas). O conjunto das matrizes sime´tricas e´ subespac¸o vetorial do espac¸o das matrizes, pois a matriz nula e´ sime´trica, vale ainda que se A e B sa˜o sime´trica enta˜o C = c1(A) + c2B = {c1a(i,j) + c2b(i,j)︸ ︷︷ ︸ c(i,j) } = {c1a(j,i) + c2b(j,i)︸ ︷︷ ︸ c(j,i) } logo temos que o conjunto das matrizes sime´tricas e´ um subespac¸o. m Definic¸a˜o 29 (Matriz hermitiana). Uma matriz An×n com entradas em C e´ hermitiana ( tambe´m chamada de auto-adjunta) se vale (a(i,j)) = (a(j,i)). Z Exemplo 7. O conjunto das matrizes hermitianas n×n na˜o e´ um subespac¸o do espac¸o de todas as matrizes n × n sobre C, pois a diagonal de uma matriz hermitiana e´ formada por elementos reais e iA tem elemento complexo na diago- CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 17 nal, se a diagonal tiver algum elemento na˜o nulo. Pore´m o conjunto das matrizes hermitianas e´ subespac¸o das matrizes n× n sobre R, pois W = c1(A) + c2B = {c1a(i,j) + c2b(i,j)︸ ︷︷ ︸ c(i,j) } = {c1a(j,i) + c2b(j,i)︸ ︷︷ ︸ c(j,i) } pois c1 e c2 sa˜o reais daı´ c1a(j,i)+c2b(j,i) = c1a(j,i) + c2b(j,i) = c(i,j). E o conjunto das matrizes hermitianas na˜o e´ vazio pois a matriz nula e´ hermitiana. m Definic¸a˜o 30 (Matriz triangular inferior). Uma matriz A = (ai,j) ∈ M(n×n) tais que a(i,j) = 0 quando i < j e´ chamada de triangular inferior, ela tem todos elementos "acima"da diagonal nulos. a1,1 a1,2 a1,3 a2,1 a2,2 a2,3 a3,1 a3,2 a3,3 = a1,1 0 0 a2,1 a2,2 0 a3,1 a3,2 a3,3 m Definic¸a˜o 31 (Matriz triangular superior). Uma matriz A = (ai,j) ∈M(n×n) tais que a(i,j) = 0 quando i > j e´ chamada de triangular inferior, ela tem todos elementos "abaixo"da diagonal nulos. a1,1 a1,2 a1,3 a2,1 a2,2 a2,3 a3,1 a3,2 a3,3 = a1,1 a1,2 a1,3 0 a2,2 a2,3 0 0 a3,3 Z Exemplo 8. O subconjunto das matrizes triangulares superiores e inferiores e´ um subespac¸o das matrizes n × n, pois a matriz nula e´ inferior e superior e dadas duas matrizes superiores (superiores) A e B e uma constante c, temos que CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 18 cA+ B e´ triangular inferior ( superior), pois cA+ B = C = {cai,j + bi,j} = {ci,j} que continua tendo entradas nulas para i < j pois soma de elementos nulos sa˜o nulos e produto por constante tambe´m (mesmo para i > j. ) Toda matriz n×n pode ser escrita como soma de uma matriz triangular inferior com uma matriz triangular superior. Dada uma matriz A = {ai,j}podemos escrever A = B+ C = {bi,j + ci,j} definindo bi,j = 0 se i > j elementos de uma matriz triangular superior e bi,j = ai,j se i ≤ j, agora os elementos da matriz triangular inferior, ci,j = 0 se i ≤ j e ci,j = ai,j caso i > j, resumindo • i ≤ j , bi,j = ai,j, ci,j = 0. • i > j, bi,j = 0 e ci,j = ai,j. A soma desses espac¸os na˜o e´ direta, pois toda matriz com elementos na˜o nulos na diagonal e´ triangular superior e inferior, isto e´, A = {ai,j} com ai,j = 0 se i 6= j e ai,j = 1 se i = j, isto e´, ai,j = δi,j Logo na˜o vale Mn×n = TS ⊕ TI, onde Ts e´ o conjunto das matrizes triangulares superiores e TI o conjunto das matrizes triangulares inferiores, pore´m vale Mn×n = TS + TI, TS ∩ Ts 6= {0}, TS ∩ Ts = {{δi,j}} m Definic¸a˜o 32 (Matriz anti-sime´trica). Uma matriz A n× n e´ anti-sime´trica ⇔ (a(i,j)) = (−a(j,i)), isto e´, A = −AT . Z Exemplo 9. Vamos achar uma base do espac¸o das matrizes sime´tricas S. Definimos si,j como a matriz em que os termos (a(k,s)) tais que a(i,j) = a(j,i) = 1 e 0 caso contra´rio , tais matrizes geram o espac¸o das matrizes sime´tricas S, pois CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 19 podemos escrever A = n∑ k=1 a(k,k)s(k,k) + n∑ k=2 a(1,k)s(1,k)︸ ︷︷ ︸ linha 1 + n∑ k=3 a(k,k)s(k,k)︸ ︷︷ ︸ linha2 + · · ·+ n∑ k=n a(n−1,k)s(n−1,k)︸ ︷︷ ︸ linhan−1 uma matriz nessa forma tem a(i,j) = a(j,i), consideramos i < j, fixamos i e j, u´nico somato´rio que termo da linha i e´ o somato´rio n∑ k=i+1 a(i,k)s(i,k) e o u´nico termo dessa soma que possui elemento na coluna j e´ a(i,j)s(i,j) logo por propriedade da matriz s(i,j) temos a(i,j) = a(j,i), nenhum outro termo altera o valor dessa entrada, pois as matrizes va˜o alterar colunas e linha diferentes. As matrizes definidas tambe´m sa˜o LI, por essa independeˆncia citada acima, 0 = n∑ k=1 a(k,k)s(k,k) + n∑ k=2 a(1,k)s(1,k)︸ ︷︷ ︸ linha 1 + n∑ k=3 a(k,k)s(k,k)︸ ︷︷ ︸ linha2 + · · ·+ n∑ k=n a(n−1,k)s(n−1,k)︸ ︷︷ ︸ linhan−1 a(k,k) = 0 pois nenhum outro somato´rio tem elementos somado a diagonal da matriz e o mesmo para os outros coeficientes. Temos n+ n− 1+ n− 2+ · · ·+ 1 = n(n+ 1) 2 logo temos base com n(n+ 1) 2 elementos. Para uma matriz anti-sime´trica definimos s ′i,j como a matriz em que os termos (a(k,s)) com a(i,j) = 1, a(j,i) = −1, i < j. Agora toda matriz anti-sime´trica e´ escrita como A = n∑ k=2 a(1,k)s(1,k)︸ ︷︷ ︸ linha 1 + n∑ k=3 a(k,k)s(k,k)︸ ︷︷ ︸ linha2 + · · ·+ n∑ k=n a(n−1,k)s(n−1,k)︸ ︷︷ ︸ linhan−1 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 20 mostramos da mesma maneira que o anterior, pore´m o nu´mero de elementos da base e´ diferente, pois os elementos da diagonal sa˜o nulos em matrizes anti- sime´tricas pois a(i,i) = −a(i,i) ⇒ a(i,i) = 2 (se Car(K) 6= 2.), enta˜o retiramos n elementos da quantidade contada no caso anterior n− 1+ n− 2+ · · ·+ 1 = n(n− 1) 2 . O conjunto das matrizes anti-sime´tricas S ′ e´ subespac¸o do espac¸o das matrizes, pois a matriz nula e´ anti-sime´trica, Se A e B sa˜o anti-sime´tricas enta˜o cA+B = T e´ anti-sime´trica pois (t(i,i)) = (ca(i,i) + b(i,i)) = (−ca(i,i) − b(i,i)) = (−t(i,i)). Se uma matriz e´ sime´trica e anti-sime´trica num corpo de cardinalidade diferente de 2, enta˜o a matriz e´ nula, pois vale a(i,j) = a(j,i) = −a(i,j) ⇒ a(i,j) = 0 logo vale que Mn×n = S⊕ S ′. Z Exemplo 10. Obtenha base do conjunto das matrizes abaixo (em Mn×n). • A = (a(i,j)) tal que n∑ k=1 a(k,k) = 0, S o conjunto de tais matrizes. Primeiro S e´ subespac¸o pois a matriz nula tem essa propriedade. Dados A,B em S e c ∈ K enta˜o cA+ B = T = (ca(i,j)+b(i,j)) temos que n∑ k=1 ca(k,k) + b(k,k) = c n∑ k=1 a(k,k) + n∑ k=1 b(k,k) = 0. O espac¸o dessas matrizes tem dimensa˜o n2 − 1. Seja S(m, t) a matriz que CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 21 possui entrada a(m,m) = −1 e a(t,t) = 1 e todas outras nulas, elementos da diagonal, enta˜o podemos escrever uma matriz de S como A = n∑ k=2 a(k,k)s(1, k) + n∑ k=1 + n∑ k=1 n∑ j=1,j 6=k a(k,j)A(k,j) onde A(k,j) e´ matriz com 1 na entrada a(k,j) e 0 no restante. enta˜o temos na primeira soma n− 1 elementos na segunda n2 −n no total n2 − 1 elementos. Gerando o espac¸o sendo LI pois cada termo da soma corresponde a entradas distintas da matriz. b Propriedade 14. Se uma matriz e´ anti-sime´trica e sime´trica enta˜o ela e´ nula, em corpo de caracterı´stica 6= 2. ê Demonstrac¸a˜o. A = AT = −AT = −A⇒ 2A = 0⇒ A = 0. b Propriedade 15. Uma matriz quadrada qualquer pode ser escrita como soma de uma matriz sime´trica e de uma matriz anti-sime´trica. ê Demonstrac¸a˜o. Podemos escrever A = A+AT 2 + A−AT 2 . O primeiro termo e´ uma matriz sime´trica pois (A+A T 2 )T = AT +A 2 o segundo termo e´ anti-sime´trico ( A−AT 2 )T = AT −A 2 = − A−AT 2 . $ Corola´rio 5. Num corpo de caracterı´stica 6= 2 temos Mn×n(K) = S⊕A, onde A e´ o conjunto das matrizes anti-sime´tricas e S o conjunto das matrizes sime´tricas. 1.5.1 Matrizes nilpotentes CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 22 m Definic¸a˜o 33 (Matriz nilpotente). Uma matriz A, n×n para algum n natural e´ dita ser nilpotente se existe algum k tal que Ak = 0. b Propriedade 16. Uma matriz nilpotente na˜o e´ invertı´vel, ou de forma equivalente, possui determinante nulo. ê Demonstrac¸a˜o. Suponha que A seja nilpotente enta˜o existe t ∈ N tal que At = 0 aplicando o determinante temos det(A)t = 0 logo det(A) = 0 a matriz e´ na˜o inversı´vel . b Propriedade 17. Se Bt+1 = 0 enta˜o I− B possui inversa sendo t∑ s=0 Bk. ê Demonstrac¸a˜o. (I− B) t∑ s=0 Bk = − t∑ s=0 (Bk+1 − Bk) = −(Bt+1︸︷︷︸ 0 −B0) = I. Z Exemplo 11. Generalizamos o exemplo anterior. Suponha A matriz n×n e m ∈ N, tal que Am = kA, k 6= 1 enta˜o A− I e´ invertı´vel. Temos que Am − Im = kA− Im = (A− I) m−1∑ k=0 Ak = kA− kI+ kI− Im = k(A− I) + I(k− 1)⇒ (A− I) (−kI+ m−1∑ k=0 Ak) k− 1 = I CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 23 enta˜o A− I e´ invertı´vel com inversa (−kI+ m−1∑ k=0 Ak) k− 1 . Caso m seja ı´mpar enta˜o A+ I e´ invertı´vel. Usamos o mesmo procedimento Am+Im = kA+Im = (A+I) m−1∑ k=0 Ak(−1)m−1−k = kA+kI−kI+Im = k(A+I)+I(1−k)⇒ (A+ I) (−kI+ m−1∑ k=0 Ak) 1− k = I. Z Exemplo 12. Soma de matrizes invertı´veis pode na˜o ser invertı´vel , como e´ o caso de I e −I, I− I = 0. Z Exemplo 13 (ITA-2001-Questa˜o 8- Resolvida ). Sendo A e B matrizes n×n e B uma matriz sime´trica, enta˜o sa˜o sime´tricas tambe´m 1. AB+ BAT . 2. A+AT + B. 3. ABAT . Pois 1. (AB+ BAT)T = (AB)T + (BAT)T = BTAT + (AT)TBT = BAT +AB logo e´ sime´trica. 2. (A+AT + B)T = AT + (AT)T + BT = AT +A+ B portanto e´ sime´trica. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 24 3. (ABAT)T = (AT)TBTAT = ABAT sendo sime´trica. Usamos as propriedades ( n∑ k=1 Ak) T = n∑ k=1 (ATk) , (A1 · · ·An)T = ATn · · ·AT1 , (AT)T = A e caso B sime´trica (BT) = B. 1.6 Exponencial de matriz m Definic¸a˜o 34 (Exponencial de matriz). Dada A ∈ Mn(C), definimos a sua exponencial como a matriz n× n simbolizada por eA, definida como eA = ∞∑ k=0 Ak k! que tambe´m pode ser denotada por exp(A). b Propriedade 18. Dada A ∈ Mn(C) enta˜o ∞∑ k=0 Ak k! converge no espac¸o nor- mado Mn(C). ê Demonstrac¸a˜o. Temos que ∞∑ k=0 || Ak k! || ≤ ∞∑ k=0 ||A||k k! = e||A|| logo a se´rie ∞∑ k=0 Ak k! converge absolutamente e portanto converge em Mn(C). $ Corola´rio 6. Sendo A = 0 a matriz nula, temos e0 = ∞∑ k=0 0k k! = 00 0! + ∞∑ k=1 0k k!︸ ︷︷ ︸ 0 = I CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 25 pois 00 = I a matriz identidade.$ Corola´rio 7. Se A e´ a matriz diagonal A = λ1 · · · 0 0 . . . 0 0 · · · λn , temos que eA = ∞∑ k=0 λk1 k! · · · 0 0 . . . 0 0 · · · λ k n k! = ∞∑ k=0 λk1 k! · · · 0 0 . . . 0 0 · · · ∞∑ k=0 λkn k! = = eλ1 · · · 0 0 . . . 0 0 · · · eλn . Em especial eI = e1 · · · 0 0 . . . 0 0 · · · e1 = eI e novamente tiramos que e0 = I. $ Corola´rio 8. Seja a matriz n× n Gc(n) = 0 0 · · · 0 c 0 · · · 0 ... · · · · · · 0 0 · · · c 0 tal matriz e´ nilpotente e vale Gc(n)n = 0. Podemos calcular sua exponencial, sendo CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 26 que sua se´rie trunca eGc(n) = n−1∑ k=0 Gc(n) k k! calculando as poteˆncias de tal matriz e somando podemos simplificar como eGc(n) = 1 0 · · · 0 c 1 · · · 0 ( c2 2! )︸︷︷︸ ... · · · · · · 0 cn−1 (n− 1)! · · · c 2 2! c 1 Z Exemplo 14. Obter a exponencial de A = 0 b −b 0 . Podemos provar por induc¸a˜o que 0 b −b 0 2k = (−1)k b2k 0 0 b2k 0 b −b 0 2k+1 = (−1)k 0 b2k+1 −b2k+1 0 logo eA = ∞∑ k=0 A2k (2k)! + ∞∑ k=0 A2k+1 (2k+ 1)! = = ∞∑ k=0 (−1)kb2k (2k)! ∞∑ k=0 (−1)kb2k+1 (2k+ 1)! − ∞∑ k=0 (−1)kb2k+1 (2k+ 1)! ∞∑ k=0 (−1)kb2k (2k)! = cos(b) sen(b) −sen(b) cos(b) . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 27 b Propriedade 19. Se A,B,Q ∈Mn tais que AQ = QB enta˜o eAQ = QeB. Em especial se A e B sa˜o conjugadas enta˜o eA e eB tambe´m o sa˜o. ê Demonstrac¸a˜o. De AQ = QB temos por induc¸a˜o que vale AsQ = QBs ∀ s ∈ N, logo eAQ = (lim n∑ k=0 Ak k! )Q = lim n∑ k=0 AkQ k! = lim n∑ k=0 QBk k! = QeB. $ Corola´rio 9. Se Q ∈Mn invertı´vel com A = QBQ−1 enta˜o eA = eQBQ −1 = QeBQ−1 pois AQ = QB⇒ eAQ = QeB ⇒ eA = QeBQ−1. Se as matrizes sa˜o conjugadas basta calcular a exponencial de uma das matri- zes a da outra e´ obtida por produto com Q e Q−1. b Propriedade 20. Sejam A,B ∈Mn enta˜o et(A+B) = etAetB∀ t ∈ R⇔ AB = BA. ê Demonstrac¸a˜o. ⇐). Vale que (AB)k = AkBk = BkAk etAetB = ( ∞∑ k=0 tkAk k! )( ∞∑ k=0 tkBk k! ) = ∞∑ k=0 ckt k onde ck = k∑ s=0 Ak−sBs (k− s)!s! = k∑ s=0 k! Ak−sBs (k− s)!s!k! = k∑ s=0 ( k s ) Ak−sBs k! = (A+ B)k k! o bino˜mio de Newton pode ser aplicado pois A e B comutam, enta˜o etAetB = ∞∑ k=0 (A+ B)k k! tk = et(A+B). ⇐). CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 28 Supondo a igualdade, derivando de ambos lados temos (A+ B)et(A+B) = AetAetB + etABetB derivando novamente (A+ B)(A+ B)et(A+B) = A2etAetB +AetABetB +AetABetB + etAB2etB tomando t = 0 tem-se (A+ B)(A+ B) = A2 +AB+AB+ B2 = A2 +AB+ BA+ B2 ⇒ AB = BA como querı´amos demonstrar. b Propriedade 21. Vale que ||eA − p∑ k=0 Ak k! || ≤ e||A|| − p∑ k=0 ||A||k k! ≤ ||A||p+1e||A||, p ∈ N e A ∈Mn. ê Demonstrac¸a˜o. ||eA − p∑ k=0 Ak k! || = || ∞∑ k=p+1 Ak k! || ≤ ∞∑ k=p+1 ||A||k k! = e||A|| − p∑ k=0 ||A||k k! temos ainda que ∞∑ k=p+1 ||A||k k! = ||A||p+1 (k+ p+ 1) · · · (k+ 1) ∞∑ k=0 ||A||k k! ≤ ||A||p+1e||A||. $ Corola´rio 10. Em especial no resultado anterior com p = 0 temos ||eA − I|| ≤ e||A|| − I ≤ ||A||e||A||, caso p = 1 ||eA − I−A|| ≤ e||A|| − 1− |A| ≤ ||A||2e||A||. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 29 b Propriedade 22. Seja x : R → Mn um caminho contı´nuo de matrizes que e´ deriva´vel em 0 ∈ R, com X(0) = I e x(t + u) = x(t)x(u) ∀ t, u ∈ R enta˜o x e´ deriva´vel em R com x ′(t) = x ′(0)x(t). ê Demonstrac¸a˜o. Consideramos a expressa˜o, com t ∈ R arbitra´rio fixo x(t+ h) − x(t) − x ′(0)x(t)h h = usamos que x(t+ h) = x(h+ t) = x(h)x(t), substituindo tem-se = x(h)x(t) − x(t) − x ′(0)x(t)h h = [x(h) − I]x(t) − x ′(0)x(t)h h = = [x(h) − I− x ′(0)(h)] h x(t) + x ′(0)hx(t) h − x ′(0)x(t)(h) h = = [x(h) − I− x ′(0)(h)] h x(t)→ 0 quando h→ 0 pois x(s) e´ deriva´vel em s = 0, enta˜o vale realmente x ′(t) = x ′(0)x(t). b Propriedade 23. Dada A ∈Mn, x(t) : R→Mn com x(t) = etA vale que x(t+ u) = x(t)x(u) ∀ t, u ∈ R. ê Demonstrac¸a˜o. Temos que n∑ r=0 (tA)r r! n∑ s=0 (uA)s s! = 2n∑ k=0 ckA k onde ck = k∑ s=0 tsuk−s (s)!(k− s)!(k− s)! = k∑ s=0 ( k s ) tsuk−s (k)! = (t+ u)k k! onde essa expressa˜o e´ dada pelo regra do produto de polinoˆmios, enta˜o n∑ r=0 (tA)r r! n∑ s=0 (uA)s s! = 2n∑ k=0 (t+ u)k k! Ak com n→∞ todos expresso˜es com somato´rio convergem tomando o limite temos ∞∑ r=0 (tA)r r! ∞∑ s=0 (uA)s s! = ∞∑ k=0 (t+ u)k k! Ak ⇒ e(t+u)A = etAeuA. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 30 $ Corola´rio 11. Em especial vale que e(t+u)A = etAeuA = euAetA as expresso˜es comutam, pois t+ u = u+ t. b Propriedade 24. Sejam A ∈ Mn, x0 ∈ Rn, X : R → Mn com X(t) = etA, x : R→ Rn com x(t) = X(t)x0 = etAx0, enta˜o x e X sa˜o deriva´veis e vale d(etA) dt = AetA ∈Mn d(etAx0) dt = AetAx0 ∈ Rn. ê Demonstrac¸a˜o. Dados A ∈ Mn e t ∈ R temos ||tA|| = |t| ||A||, temos por desigualdade de exponencial que || etA︸︷︷︸ X(t) − I︸︷︷︸ X(0) − tA︸︷︷︸ A(t) || ≤ 1 |t| ||tA||2e||tA|| = |t| ||A||2e|t| ||A|| ≤ |t|||A||2e||A|| com |t| < 1, onde usamos desigualdade que ja´ demonstramos para exponencial. Dessa desigualdade tem-se que X ′(0) = A por definic¸a˜o de derivada. Como temos X(t+ u) = X(t)X(u) tem-se que X(t) e´ deriva´vel valendo X ′(t) = X ′(0)X(t) = AX(t) por aplicac¸a˜o em x0 segue que x(t) = X(t)x0 e´ deriva´vel em R e x ′(t) = Ax(t). $ Corola´rio 12. Se A ∈Mn e x0 ∈ Rn enta˜o o caminho x(t) = etAx0, t ∈ R define a u´nica soluc¸a˜o de x ′ = Ax com condic¸a˜o inicial x(0) = x0. CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 31 b Propriedade 25. Se A,B ∈ Mn tais que AB = BA enta˜o eA+B = eAeB. Vejamos outra demonstrac¸a˜o dessa propriedade usando unicidade de soluc¸a˜o de equac¸a˜o diferencial. ê Demonstrac¸a˜o. Como BA = AB enta˜o B(tA) = (tA)B, daı´ por resultado que ja´ mostramos tem-se BetA = etAB. Fixamos x0 ∈ Rn, definindo x(t) = etAetBx0 a regra da derivada do produto garante que x ′(t) = AetAetBx0 + etABetBx0 = AetAetBx0 + BetAetBx0 = (A+ B)x(t) ale´m disso x(0) = x0, logo x(t) e´ soluc¸a˜o de x ′ = (A + B)x com condic¸a˜o inicial x(0) = x0, pore´m et(A+B)x0 e´ a u´nica soluc¸a˜o desta equac¸a˜o, disso segue etAetBx0 = e t(A+B)x0 tomando t = 1 segue eAeBx0 = e(A+B)x0, como x0 e´ arbitra´rio, os dois operadores devem ser ideˆnticos, por isso eA+B = eAeB. $ Corola´rio 13. eAe−A = eA−A = e0 = I enta˜o eA e´ sempre invertı´vel com inversa e−A. Z Exemplo 15. Mostre que se u na˜o e´ autovalor de A enta˜o a equac¸a˜o x ′ = Ax+ eutb, possui uma soluc¸a˜o da forma φ(t) = veut. Onde b ∈ Rn, u, t reais, logo eut e´ a exponencial real. Substituı´mos φ(t) = veut na equac¸a˜o diferencial para encontrar v. uveut = Aveut + eutb⇒ (u−A)veut = eutb⇒ (u−A)v = b como u na˜o e´ autovalor de A det(u−A) 6= 0 logo u−A e´ invertı´vel v = (u−A)−1b, CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 32 enta˜o realmente existe φ(t) = veut soluc¸a˜o da equac¸a˜o. b Propriedade 26. Seja V < Rn, A-invariante. Enta˜o V e´ etA invariante para qualquer t ∈ R fixo . ê Demonstrac¸a˜o. Como V e´ A invariante e subespac¸o de Rn, enta˜o e´ invariante por t kAk k! e soma de aplicac¸o˜es desse operador, por isso ∀ n temos n∑ k=0 (tA)k k! (v) ∈ V ∀ v ∈ V como subespac¸os vetoriais sa˜o fechados a propriedade se mante´m napassagem do limite ∞∑ k=0 (tA)k k! (v) ∈ V ∀ v ∈ V. b Propriedade 27. Se A e´ idempotente, enta˜o eA = I+ (e− 1)A. ê Demonstrac¸a˜o. A e´ idempotente, isto e´, A2 = A, Ak = A para k > 0 enta˜o eA = I+A ∞∑ k=1 1 k! = I+A(e− 1). Z Exemplo 16. Deˆ exemplo de matrizes A e B tais que eA+B 6= eAeB. Tomamos matrizes que na˜o comutam no produto. A = 1 0 0 0 , B = 0 0 1 0 1 0 0 0 0 0 1 0 = 0 0 0 0 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 33 0 0 1 0 1 0 0 0 = 0 0 1 0 portanto elas na˜o comutam. B e´ nilpotente com B2 = 0, enta˜o eB = 1 0 1 1 = I+ B. A e´ idempotente A2 = A, enta˜o eA = I+ (e− 1)A = e 0 0 1 A+ B = 1 0 1 0 A+ B e´ idempotente logo eA+B = I+ (e− 1)(A+ B) = e 0 e− 1 1 pore´m temos eAeB = e 0 0 1 1 0 1 1 = e 0 1 1 6= eA+B. Portanto na˜o vale eA+B = eAeB, neste caso. Z Exemplo 17. Calcule a exponencial da matriz a b 0 a . CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 34 Escrevemos a b 0 a = a 0 0 a + 0 b 0 0 . as duas matrizes comutam no produto, dando em qualquer ordem 0 ab 0 0 A = 0 b 0 0 satisfaz A2 = 0 enta˜o eA = 1 0 0 1 + 0 b 0 0 = 1 b 0 1 a outra matriz possui exponencial e ea 0 0 ea usando que eA+B = eAeB quando A e B comutam, temos o resultado desejado multiplicando as matrizes, resultando em ea bea 0 ea . Z Exemplo 18. Calcule a exponencial da matriz a b −b a . Separamos a matriz como a soma a b −b a = a 0 0 a + 0 b −b 0 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 35 sendo que as parcelas comutam (primeira chamamos de A, segunda de B) 0 b −b 0 a 0 0 a = 0 ab −ab 0 = a 0 0 a 0 b −b 0 enta˜o eA+B = eA.eB = ea 0 0 ea cos(b) sen(b) −sen(b) cos(b) = = ea cos(b) sen(b) −sen(b) cos(b) . Matrizes e sistemas lineares Matrizes Alguma Matrizes especiais Multiplicação de matrizes Matriz transposta Matriz adjunta Inversas Matrizes nilpotentes Exponencial de matriz
Compartilhar